江苏龙网

  1. 首页 > 生活 > >

有没有在嵌入式（MCU、DSP）上应用机器学习算法的案例

之前跟着一个博士在FPGA做车牌识别，机器学习 的 训练时间比较长 可以在电脑上做，嵌入式应该就是尽量少用除和根号 ，判别的算法尽量少用或者用近似的算法
■网友
最近几年， 机器学习在嵌入式设备上的应用越发广泛起来。 在这篇短文中， 我们来看一看都有哪些实际案例。
1. 自然语言处理
随着近些年麦克风质量的提高和人们对自然语言处理理解的加深， 我们已经可以在嵌入式设备上识别个别关键词，甚至语句。典型的例子是Google应用TensorFlow Lite (Micro)在多个嵌入式设备（Arduino, Sparkfun Edge, STM32F746等等）上实现的关键词检测。在此类应用中, 梅尔频率倒谱系数（MFCC）和卷积神经网络（convolutional neural network）十分常见。
tensorflow/tensorflow2. 预测性维护
【有没有在嵌入式（MCU、DSP）上应用机器学习算法的案例】 在维护远程位置运行的工业设备的健康方面，在嵌入式硬件上运行的机器学习算法已成为一种有效的选择。诸如卡尔曼滤波器 (Kalman filter) 之类的传统算法很容易处理不同类型的输入数据（例如压力，温度和振动）之间的线性关系。通过其他更为复杂的机器学习模型，更多的非线性问题可以被检测出来。这类问题被统称为异常检测（anomaly detection）。常用的模型有孤立森林（isolation forest）, 局部异常因子(local outlier factor),一类支持向量机（one class SVM）。
3. 智能玩具
利用简单的传感器和机器学习，一些看似普通的玩具也可以变得更加智能和有趣。 Arduino利用加速度传感器和小型卷积神经网络模型制造了现实中哈利波特的魔法棒。
Harry Potter Magic Wand虽然机器学习在嵌入式设备上的应用变得越来越普遍，但是在嵌入式设备上应用机器学习并不是一个简单的过程。边缘设备的局限性，机器学习模型的复杂性，功耗、延迟和内存消耗等等问题都给这个过程增加了难度。
Qeexo(奇手)公司最近推出的机器学习平台Qeexo AutoML提供了一键式机器学习服务，用户不需要机器学习和编程背景，只需要上传传感器数据，Qeexo AutoML服务可以快速的构建轻量级的机器学习应用, 并且部署到嵌入式设备上。
Qeexo AutoML | Qeexo AutoML


    推荐阅读


    上一篇：星空的浪漫|幼儿家教机App惊现成人内容，尺度堪比“不良网站”，下载次数超600万

    下一篇：线性最小二乘法的解是否唯一